Объект исследования: свёрточная нейронная сеть, классификатор на ее основе. Цель работы - исследование медотов и применение методов глубинного обучения при разработке программно-аппаратного комплекса для записи и анализа видеопотока на оснвое нейросетевых классификаторов, способного детектировать изменения мимики и расположения человека в пространсте. В работе представлены математическая модель классификатора на основе свёрточной нейронной сети, структура данной модели, алгоритм обучения на основе стохастического градиентного спуска и метода обратного распространения ошибки. Для предотвращения переобучения использовался метод регуляризации, оптимальные параметры которой определялись на основе перекрестной проверки. Проведены тестирование синтезированного классификатора и оценка точности классификации.

The aim of the thesis is the comparative analysis of deep learning methods used in the development of video analytics software. The object of the research is the deep neaural networks used in classificatoin. The thesis consists of three chapters. The first chapter presents an overview of the basic concepts of machine and deep learning, such as common problems, neaural newtorks, regularisation. The second chapter introduces the main tools used for neural network trainig. The third chapter contains comparative analysis of used neural network used if development.